最近你在看歐洲杯嗎？小組賽賽程過半，已經有20多項歷史記錄被刷新，激烈的賽況牽動著無數球迷的心。

“上一場你看了嗎，哪隊贏了？”杭州的一群“偽球迷”程序員，也緊張地關注著每場比賽的結果。他們想看看自己研發的一套猜比分程序是否又對了。

每屆歐洲杯，賽場之上是球員的比拼，賽場之下，也是全球科技愛好者的技術試煉場。

今年歐洲杯，螞蟻集團TuGraph圖計算創新小組的幾名程序員，自發成立了一個臨時項目組，利用圖計算、大模型和圖學習等先進技術，來預測歐洲杯每場比賽的勝負結果。

TuGraph程序員們將這套程序命名為“智猜足球”。通過圖計算分析關系，結合大模型的學習和分析預估出各組球隊的積分，算出AI心中的16強。

那么，AI的預測是怎么實現的？

一張近3萬名球員的關系網

對于少數資深球迷來說，基于對球隊過往表現的經驗，一看到陣容就會對比賽的勝負有個初步預判。

TuGraph創新小組做的事，就是讓AI學習這些“經驗”，從而推斷每場比賽的勝負值。其中用到的關鍵技術，正是他們一直在研究的圖算法和圖學習技術。

圖技術是螞蟻集團在AI和金融領域的一張王牌。舉個簡單的例子，你在支付寶端發起一筆付款，圖技術可以把雙方這幾天做過的所有交易編織成一張關系網絡，來判斷這筆交易是否存在風險。

“足球賽是團體運動，不僅依靠球員的個人實力，更重要的是球員之間的配合和整體的對抗策略，其中包含復雜的交互關系。”創新小組技術負責人劉永超說，圖計算就擅長從復雜的關聯中發現規律，于是他帶領另外2名技術人員“兼職”做起了“圖猜球”項目，嘗試把這項技術應用到更多好玩的領域。

他們參考了一年多以來歐洲各球隊和俱樂部的賽事公開數據，利用圖算法構建了一張球員關系網絡圖。在這張“網”上分析了近30000名球員之間的關系，每個球員是節點，比賽中他們之間的傳球、協作和對抗關系就是連接這些節點的線。

小組賽對戰陣容的圖數據示意圖

借助圖神經網絡（GNN）、大語言模型等前沿技術，他們重點量化了球員間的“默契度”和“對抗度”兩個元素，訓練了近10000場比賽數據。

對照當前已出爐的比賽結果，圖模型的預測準確率達到70%以上。

從戰術分析的視角看球賽

對大型賽事的預測是全球各大科技公司熱衷做的一件事。2014年巴西世界杯，百度、微軟、谷歌紛紛參與到賽事預測中。

2018年俄羅斯世界杯期間，德國與比利時的研究人員共同采用隨機森林算法模型預測世界杯冠軍。2022年卡塔爾世界杯期間，英國艾倫圖靈研究所的三位研究員，基于一款足球游戲“AIrsenal”模型以及貝葉斯統計計算等方法，嘗試預測比賽冠軍。

不過，這還是第一次有技術人用圖技術來做賽事分析。二者有什么區別？劉永超解釋：過往的模型算法更多關注球員自身實力的分析和預測，圖算法展現的是一種隱性的深層聯系——球員間的協作默契和對手戰術的變化規律。

在“智猜足球”小程序頁面上，除了雙方球隊的勝率，用戶還能直觀地看見雙方球隊的關鍵“關系”——根據足球陣型生成的關系圖，球衣越大，代表該球員的綜合能力越強。

TuGraph還引入了“默契度”和“對抗度”兩大要素來分析賽事走向，球員間的連線越粗，代表兩名球員間的默契度越高；球隊陣型的占地面積越大，代表隊伍的抵抗能力越強。

不過，這套預測方案也存在著一定缺陷。劉永超說，“因為年輕球員的過往比賽數據量很少，在圖模型中他的作用很可能被弱化，導致預測的結果不準?！?/p>

他印象最深的是6月16日西班牙對克羅地亞的那場比賽，根據模型預測，比賽雙方贏球的概率是49%對51%。然而，西班牙隊16歲“小孩哥”亞馬爾上半場就幫球隊鎖定了勝局。

“就目前掌握的數據量來看，我們不會追求這項技術要達到多么高的準確率。”劉永超說，事實上，體育比賽始終是充滿挑戰和不確定因素的領域，它的魅力就在于見證一個個“奇跡”的出現。

他們更希望借由這個賽季的“創意作品”為觀眾打開一個全新的觀賽視角，同時也為圖技術探索更多的應用想象力。

市場調研機構Gartner預測，圖計算在2025年會應用于80%的數據和分析創新，在金融、制造、能源、腦科學等領域有巨大的應用價值和前景。隨著大模型時代的到來，圖技術也被應用于解決大模型幻覺等問題，以提高大模型的準確性和可靠性。

文｜儲帆

VIEW MORE

@云設計“破風手” >>

@85后二孩爸爸用AI爆改舊玩具 >>

@外骨骼“機械師” >>

@他們的聲音被“偷”走并喂給了AI >>